Abstract With current semiconductor technology reaching its physical limits, special-purpose hardware has emerged as an option to tackle specific computing-intensive challenges. Optimization in the form of solving quadratic unconstrained binary optimization problems, or equivalently Ising spin glasses, has been the focus of several new dedicated hardware platforms. These platforms come in many different flavors, from highly-efficient hardware implementations on digital-logic of established algorithms to proposals of analog hardware implementing new algorithms. In this work, we use a mapping of a specific class of linear equations whose solutions can be found efficiently, to a hard constraint satisfaction problem (three-regular three-XORSAT, or an Ising spin glass) with a ‘golf-course’ shaped energy landscape, to benchmark several of these different approaches. We perform a scaling and prefactor analysis of the performance of Fujitsu’s digital annealer unit (DAU), the D-Wave advantage quantum annealer, a virtual MemComputing machine, Toshiba’s simulated bifurcation machine (SBM), the SATonGPU algorithm from Bernaschi et al, and our implementation of parallel tempering. We identify the SATonGPU and DAU as currently having the smallest scaling exponent for this benchmark, with SATonGPU having a small scaling advantage and in addition having by far the smallest prefactor thanks to its use of massive parallelism. Our work provides an objective assessment and a snapshot of the promise and limitations of dedicated optimization hardware relative to a particular class of optimization problems.

中文翻译：

---

经典和量子启发式优化器的 3 正则三 XORSAT 种植解决方案基准

摘要随着当前半导体技术达到其物理极限，专用硬件已成为解决特定计算密集型挑战的一种选择。以解决二次无约束二元优化问题或等效的伊辛旋转眼镜形式的优化一直是几个新的专用硬件平台的焦点。这些平台有许多不同的风格，从已建立算法的数字逻辑的高效硬件实现到实现新算法的模拟硬件的提议。在这项工作中，我们使用可以有效找到解的特定线性方程组映射到具有“高尔夫球场”形状的硬约束满足问题（三正则三 XORSAT，或伊辛旋转玻璃）能源景观，对其中几种不同的方法进行基准测试。我们对 Fujitsu 的数字退火器单元 (DAU)、D-Wave 优势量子退火器、虚拟 MemComputing 机、Toshiba 的模拟分岔机 (SBM)、Bernaschi 等人的 SATonGPU 算法以及我们的性能进行了缩放和预因子分析。实施平行回火。我们认为 SATonGPU 和 DAU 目前在该基准测试中具有最小的缩放指数，SATonGPU 具有较小的缩放优势，此外由于使用了大规模并行性，因此具有迄今为止最小的前置因子。我们的工作提供了一个客观的评估和一个关于专用优化硬件相对于特定类别的优化问题的承诺和限制的快照。我们对 Fujitsu 的数字退火器单元 (DAU)、D-Wave 优势量子退火器、虚拟 MemComputing 机、Toshiba 的模拟分岔机 (SBM)、Bernaschi 等人的 SATonGPU 算法以及我们的性能进行了缩放和预因子分析。实施平行回火。我们认为 SATonGPU 和 DAU 目前在该基准测试中具有最小的缩放指数，SATonGPU 具有较小的缩放优势，此外由于使用了大规模并行性，因此具有迄今为止最小的前置因子。我们的工作提供了一个客观的评估和一个关于专用优化硬件相对于特定类别的优化问题的承诺和限制的快照。我们对 Fujitsu 的数字退火器单元 (DAU)、D-Wave 优势量子退火器、虚拟 MemComputing 机、Toshiba 的模拟分岔机 (SBM)、Bernaschi 等人的 SATonGPU 算法以及我们的性能进行了缩放和预因子分析。实施平行回火。我们认为 SATonGPU 和 DAU 目前在该基准测试中具有最小的缩放指数，SATonGPU 具有较小的缩放优势，此外由于使用了大规模并行性，因此具有迄今为止最小的前置因子。我们的工作提供了一个客观的评估和一个关于专用优化硬件相对于特定类别的优化问题的承诺和限制的快照。虚拟 MemComputing 机器、Toshiba 的模拟分岔机 (SBM)、Bernaschi 等人的 SATonGPU 算法，以及我们对并行回火的实现。我们认为 SATonGPU 和 DAU 目前在该基准测试中具有最小的缩放指数，SATonGPU 具有较小的缩放优势，此外由于使用了大规模并行性，因此具有迄今为止最小的前置因子。我们的工作提供了一个客观的评估和一个关于专用优化硬件相对于特定类别的优化问题的承诺和限制的快照。虚拟 MemComputing 机器、Toshiba 的模拟分岔机 (SBM)、Bernaschi 等人的 SATonGPU 算法，以及我们对并行回火的实现。我们认为 SATonGPU 和 DAU 目前在该基准测试中具有最小的缩放指数，SATonGPU 具有较小的缩放优势，此外由于使用了大规模并行性，因此具有迄今为止最小的前置因子。我们的工作提供了一个客观的评估和一个关于专用优化硬件相对于特定类别的优化问题的承诺和限制的快照。SATonGPU 具有较小的扩展优势，并且由于使用了大规模并行性，因此具有迄今为止最小的前置因子。我们的工作提供了一个客观的评估和一个关于专用优化硬件相对于特定类别的优化问题的承诺和限制的快照。SATonGPU 具有较小的扩展优势，并且由于使用了大规模并行性，因此具有迄今为止最小的前置因子。我们的工作提供了一个客观的评估和一个关于专用优化硬件相对于特定类别的优化问题的承诺和限制的快照。